Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouRaphael Pao Alterado mais de 9 anos atrás
1
Seminários de Epidemiologia J Epidemiol Community Health 2008; 62: 957-959 Next steps in understanding the multilevel determinants of health Ana V. Diez-Roux Dr. Herlon Saraiva Martins
2
Tópicos do Artigo Introdução e conceitos Ultrapassar “bairros” para investigar outros contextos Melhorar a medição de “construtos” do nível de grupo Nível de grupo: aplicação de novos métodos que podem aumentar a capacidade de extrair inferências causais a partir de dados observacionais Aproveitando os experimentos naturais Contabilização das dependências entre os grupos Utilizando métodos adequados para o estudo de sistemas dinâmicos Novos rumos na investigação dos determinantes multiníveis
3
Pré-Introdução Século XIX: primeira pesquisa que aplicou desenho de agregados (Émile Durkhein) Década de 30: Chicago – Aperfeiçoaram o método (Park, Faris, Dunham) Até década de 90: desvalorização do método (“meramente descritivo”, “sem poder analítico”)
4
Pré-Introdução Últimos 10 anos: reconhecimento da importância de fatores contextuais e análises multiníveis: “Estudos ecológicos aparecem como uma das metodologias mais dinâmicas / adequadas para pesquisa na área, sobretudo, epidemiologia social, doenças infecciosas e na avaliação de intervenções populacionais” (Rouquayrol, Rothman)
5
Níveis de Medida Por exemplo: PA, idade, colesterol = observação direta de indivíduos (Nível Individual) Por exemplo: grupos, organizações, locais (poluição, desigualdade social) = medir variáveis no grupo (Nível de Grupo)
6
Tipos de Medidas de Estudos Ecológicos Medidas Agregadas: médias ou proporções derivadas dos indivíduos por grupos (proporção de tabagistas, renda média da família) Medidas Ambientais: características físicas dos locais (nível de poluição, horas de sol) Medidas Globais: atributos de grupos, locais, organizações sem que haja análogo individual (tipo de cuidado do sistema de saúde, existência de leis específicas, densidade populacional)
7
Níveis de Análise de Estudos Ecológicos Análise Ecológica (Nível de Grupo): unidade de análise = grupo (região, trabalho, escola, intervalo de tempo, estrato demográfico) Análise Parcialmente Ecológica: incidência de câncer por cidade, mas se conhece, por exemplo, a idade em algumas cidades (pelo censo ou pelo registro de câncer) = estima-se a incidência de câncer pela idade / por cidade. Análise Nível Individual: por exemplo, nível de poluição (medida ecológica) para cada indivíduo de uma cidade
8
Níveis de Análise de Estudos Ecológicos Análise Multinível: combina dados coletados de dois ou mais níveis. Por exemplo: uma análise de nível individual pode ser conduzida em cada grupo (amostragem), seguido da análise ecológica de todos os grupos usando os resultados das análises individuais
9
Multinível (Regressão Hierárquica)
10
Regressão: consumo de cigarro/ idade Consumo de cigarro / idade: em cada bairro Consumo de cigarro / idade com mais um fator (por ex. escolaridade, criminalidade) Consumo de cigarro / idade com mais um fator (por ex. escolaridade, criminalidade) Consumo de cigarro / idade: Com características de nível individual
11
Dados do ARIC (Atherosclerosis Risc in Communities): coorte de 12.601 pessoas (1987-1989): Nível Individual Dados do censo de 1990: Nível de Grupo
12
Existe alguma característica socioeconômica de grupo (de bairro) que se associa com a prevalência de DAC e dos fatores de risco? Essa associação persiste após ajuste para indicadores de classe social de nível individual? Os efeitos dos indicadores de nível individual variam através dos diversos grupos (“bairros”)?
13
Grupo (bairro): Educação (porcentagem de adultos > 25 anos com escolaridade incompleta) Média de renda por família Características ocupacionais de trabalho (piores) Estratificado por sexo / local Individuais
14
Primeiro passo: Modelo de regressão de nível individual foi feito para cada bairro, incluindo idade, classe social Segundo passo: Modelo de regressão de nível agregado para cada bairro em função de variáveis coletivas e local Terceiro passo: modelo final ajustado pelas características para cada medida de prognóstico do estudo, estratificadas por cada bairro, sexo, renda familiar, colesterol
15
Introdução Análise “multinível” (modelo estatístico multinível) em epidemiologia e saúde pública: o Duncan C, et al. Health-related behaviour in context: a multilevel modelling approach. Soc Sci Med. 1996; Vol. 42, No. 6, pp. 817-830 o Roux AVC, et al. Neighborhood Environments and Coronary Heart Disease: A Multilevel Analysis. American Journal of Epidemiology 1997; Vol. 146, No. 1: 48-63. o Roux AVC, et al. Multilevel analysis in public health research. Annual Review of Public Health Vol. 2000; 21: 171-192.
16
Introdução Inicialmente recebido com grande entusiasmo Investigação empírica e quantitativa do efeito de (nível) grupo em estudos ecológicos, contra o tradicional manejo baseado no indivíduo
17
Introdução Análise multinível permite estudar a contribuição individual e de nível de grupo na variabilidade tanto de um como do outro, transcendendo a artificial dicotomia de indivíduos e grupos Possibilita estudar diversos fatores contribuindo para a variabilidade dentro do grupo e entre grupos Permite estimar o efeito (de nível) de grupo após a contabilização de composição de diferenças entre os grupos
18
Aplicações (1) Na grande maioria (campo da saúde), centrados em contextos geográficos definidos (países, estados, municípios e bairros (definidos de várias formas, mais comumente através de menores áreas administrativas)
19
Aplicações (2) Os tipos de “constructos” (de nível) de grupo investigados: a desigualdade de renda, o capital social, segregação residencial, características de “bairro” (“desvantagem de vizinhança” ambiente físico e social)
20
Aplicações (3) A maioria dos estudos têm utilizado a análise multinível para isolar as associações de fatores (de nível) de grupo de prognósticos de saúde de nível individual, após a contabilização de fatores de confusão de nível individual (ou seja, variáveis de nível individual associadas com desfechos de saúde e com o grupo membro, e portanto, com características do grupo)
21
Aplicações (4) Um número menor centraram-se sobre o objetivo complementar de variância em decomposição, entre e dentro dos grupos de componentes
22
Opinião do Autor (1) Análise multinível tem estimulado e promovido um pensamento global dentro de epidemiologia, desafiando pesquisadores a começar a pensar muito concretamente sobre os vários níveis da organização, e as “construções” em cada nível que são relevantes para a saúde
23
Opinião do Autor (2) Análise multinível tem desafiado epidemiologistas para mover além da teoria e especulação e operacionalizar e empiricamente testar aspectos específicos do modelo teórico
24
Ultrapassar “bairros” para investigar outros contextos Devido a razões práticas (facilidade de dados), estudos de “bairros” tem sido um dos mais comuns contextos estudados por estatística multinível Necessidade de expansão de estudos (para os efeitos na saúde) em outros contextos, tais como, nações, escolas, trabalho etc
25
Melhorar a medição de “constructs” de nível de grupo Na ausência do uso de medidas adequadas, não existe solução estatística
26
Efeitos de Grupo: aplicação de novos métodos que podem aumentar a capacidade de extrair inferências causais a partir de dados observacionais Dificuldade na extração de inferências causais, em relação aos efeitos de grupo, através da análise de dados observacionais Grande dificuldade de contabilizar características não medidas
27
Aproveitando os experimentos naturais Estudar o impacto na saúde ocasionado por mudanças nas características contextuais que ocorrem no mundo real
28
Contabilização das dependências entre os grupos Estudar como as diversas áreas (grupos) interagem e como achados de áreas adjacentes afetam moradores de uma determinada área Cita como exemplo: a violência e atividade física, ou seja, a atividade física pode ser reduzida devido a violência daquela comunidade, mas também, pela violência de comunidades adjacentes
29
Utilizando métodos adequados para o estudo de sistemas dinâmicos Estudar sistemas dinâmicos
30
Novos rumos na investigação dos determinantes multiníveis Examinar efeitos em contextos diferentes (não só os de “bairro”) Melhorar a mensuração de variáveis (de nível) de grupo Aplicar técnicas que possam extrair inferências causais de dados observacionais Procurar e analisar dados de experimentos naturais Desenvolver manejos metodológicos que melhorem a análise das dependências entre e intra grupos
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.